KR102445122B1 - 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법 - Google Patents

복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법 Download PDF

Info

Publication number
KR102445122B1
KR102445122B1 KR1020210150758A KR20210150758A KR102445122B1 KR 102445122 B1 KR102445122 B1 KR 102445122B1 KR 1020210150758 A KR1020210150758 A KR 1020210150758A KR 20210150758 A KR20210150758 A KR 20210150758A KR 102445122 B1 KR102445122 B1 KR 102445122B1
Authority
KR
South Korea
Prior art keywords
physical server
anomaly
response system
module
corresponding device
Prior art date
Application number
KR1020210150758A
Other languages
English (en)
Inventor
윤호영
안상아
이유종
김영광
김민준
Original Assignee
오케스트로 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 오케스트로 주식회사 filed Critical 오케스트로 주식회사
Priority to KR1020210150758A priority Critical patent/KR102445122B1/ko
Application granted granted Critical
Publication of KR102445122B1 publication Critical patent/KR102445122B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/273—Tester hardware, i.e. output processing circuits
    • G06F11/277—Tester hardware, i.e. output processing circuits with comparison between actual response and known fault-free response
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C2/00—Fire prevention or containment
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C37/00—Control of fire-fighting equipment
    • A62C37/36—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device
    • A62C37/38—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device by both sensor and actuator, e.g. valve, being in the danger zone
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C99/00—Subject matter not provided for in other groups of this subclass
    • A62C99/0009—Methods of extinguishing or preventing the spread of fire by cooling down or suffocating the flames
    • A62C99/0072—Methods of extinguishing or preventing the spread of fire by cooling down or suffocating the flames using sprayed or atomised water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Emergency Management (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Image Analysis (AREA)
  • Debugging And Monitoring (AREA)

Abstract

본 발명의 일 실시예에 따른 이상징후 대응 시스템은, 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템;을 포함하고, 상기 내부이상 대응 시스템은, 상기 물리 서버에서 발생되는 워크로드를 수집하고, 수집한 워크로드에서 미리 정해진 의심 패턴이 발생되는지 여부를 모니터하는 모니터링 모듈; 이상징후 판단 모델이 생성되고 저장되는 모델 생성 모듈; 및 상기 모니터링 모듈이 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 판단 모듈;을 포함하고, 상기 모델 생성 모듈은, 딥 러닝을 이용하여 상기 이상징후 판단 모델을 생성할 수 있다.

Description

복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법 {A ANOMALY RESPONSE SYSTEM BASED ON MULTIPLE DEEP LEARNING JUDGMENT MOELS AND A METHOD FOR THE ANOMALY RESPONSE}
본 발명은 딥러닝으로 산출된 복수의 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법에 대한 것이다.
전 세계 전력사용량의 약 2%를 차지하는 데이터센터는 단일 건물 중 전력을 가장 많이 사용하는 고밀도 에너지 다소비 건물이지만, 안정성을 최우선시하는 보수적인 운영을 고수하여 비효율적인 운영 현황을 보이고 있다. 향후 사물인터넷, 빅 데이터, 클라우드 기술 등의 확산으로 인해 소규모의 데이터센터는 대규모의 데이터센터인 '하이퍼스케일', '메가' 데이터센터로 통합될 것으로 전망되는바, 인프라 확대에 따른 데이터센터 운영관리의 복잡성 또한 심화될 것으로 전망된다. 이에 불필요한 서버는 유휴 혹은 절전모드로 전환하고, 가용되는 서버를 최대 물리적 자원(Physical Machine, PM, 물리 서버)들을 논리적 자원(Virtual Machine, VM, 가상 머신)들로 구성하는 가상화 환경에서는 구동 중인 가상 머신을 다른 물리 서버로 이동시킬 수 있는데, 이를 라이브 마이그레이션이라고한다. 이는 효율적인 데이터센터를 관리하는데 필수적인 관리 방법이다. 다만, 마이그레이션 할 경우 데이터 손실 위험, 리소스의 많은 부분이 차지되는 등의 단점도 있다.
데이터 센터에서 가장 중요한 것은 SLA 계약에 위반되지 않고, 항상 정상적인 서비스를 제공하는 것이다. 이를 위해, 비 이상적인 상황이 발생되지 않도록 상시 모니터링하고, 관리하며 이상징후에 대비하는 것이 중요하다. 하지만, 기존의 데이터 센서들은 비 이상적인 상황에 충분히 대비하지 못해, 서비스의 불편을 초래하는 문제점을 가지고 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 이상징후를 정확히 판단하고 대비할 수 있는 이상징후 대응 시스템 및 이상징후 대응 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일 실시예에 따른 이상징후 대응 시스템은, 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템;을 포함하고, 상기 내부이상 대응 시스템은, 상기 물리 서버에서 발생되는 워크로드를 수집하고, 수집한 워크로드에서 미리 정해진 의심 패턴이 발생되는지 여부를 모니터하는 모니터링 모듈; 이상징후 판단 모델이 생성되고 저장되는 모델 생성 모듈; 및 상기 모니터링 모듈이 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 판단 모듈;을 포함하고, 상기 모델 생성 모듈은, 딥 러닝을 이용하여 상기 이상징후 판단 모델을 생성할 수 있다.
또한, 상기 모델 생성 모듈은, 이상징후의 종류별로 이상징후 판단 모델을 생성하고, 상기 판단 모듈은, 각각의 상기 이상징후 판단 모델에 상기 미리 정해진 의심 패턴과 대응되는 상기 물리 서버의 워크로드 부분을 입력하여, 미리 정해진 판단 방법으로 상기 물리 서버의 이상징후 발생 여부를 판단할 수 있다.
또한, 상기 이상징후 판단 모델은, 상기 이상징후 판단 모델에 입력되는 워크로드의 패턴과 상기 이상징후 판단 모델에서 판단의 기준의 되는 기준 패턴의 유사한 정도를 산출하고, 상기 미리 정해진 판단 방법은, 소정 기준 이상의 유사도를 산출한 상기 이상징후 판단 모델과 대응되는 이상징후가 상기 물리 서버에 발생되었다고 판단하는 방법일 수 있다.
또한, 상기 물리 서버의 가열, 화재 및 지진 중 적어도 하나의 비 이상적인 상황을 판단하고 대응하는 외부이상 대응 시스템;을 더 포함할 수 있다.
또한, 상기 외부이상 대응 시스템은, 상기 물리 서버가 설치되는 장소의 천장에 설치되는 레일부, 상기 물리 서버의 온도를 측정하는 온도 센싱 모듈을 구비하는 감시 모듈 및 상기 레일부를 따라 이동 가능하며, 바람을 생성하는 대응 장치 및 상기 감시 모듈과 상기 대응 장치를 제어하는 제어 모듈을 구비하고, 상기 제어 모듈은, 상기 온도 센싱 모듈로부터 전달되는 온도를 기초로 미리 정해진 온도 조건이 만족되는 상기 물리 서버가 존재할 경우, 상기 미리 정해진 온도 조건이 만족되는 상기 물리 서버로 상기 대응 장치가 바람을 보내도록, 상기 대응 장치를 제어할 수 있다.
또한, 상기 외부이상 대응 시스템은, 상기 물리 서버가 설치되는 공간의 천장에 설치되는 레일부, 연기를 감지하는 연기 센싱 모듈을 구비하는 감시 모듈 및 상기 레일부를 따라 이동 가능하며 물을 분사하는 대응 장치 및 상기 감시 모듈과 상기 대응 장치를 제어하는 제어 모듈을 구비하고, 상기 제어 모듈은, 상기 연기 센싱 모듈로부터 전달되는 감지 정보를 기초로 미리 정해진 연기 조건이 만족되는 경우, 화재가 발생된 상기 물리 서버로 상기 대응 장치가 물을 분사할 수 있도록, 상기 대응 장치를 제어할 수 있다.
또한, 상기 외부이상 대응 시스템은, 상기 물리 서버가 설치되는 공간의 측벽에 설치되는 물 공급 모듈을 더 구비하고, 상기 제어 모듈은, 상기 대응 장치가 상기 물 공급 모듈에 직접적으로 연결되어 물을 공급받을 수 있도록, 상기 대응 장치의 위치를 제어할 수 있다.
또한, 상기 외부이상 대응 시스템은, 상기 물리 서버가 설치되는 공간의 천장에 설치되는 레일부, 상기 레일부를 따라 이동 가능한 대응 장치 및 상기 대응 장치와 상기 감시 모듈을 제어하는 제어 모듈을 구비하고, 상기 제어 모듈은, 지진이 발생될 경우, 상기 대응 장치를 제어하여 상기 대응 장치의 일부가 천장에 꽂히도록, 상기 대응 장치를 가이드할 수 있다.
본 발명의 일 실시예에 따른 이상징후 대응 방법은, 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템을 구비하는 이상징후 대응 시스템을 이용하여 구현되는 이상징후 대응 방법에 있어서, 딥 러닝을 이용하여 이상징후 판단 모델을 생성하는 단계; 상기 물리 서버에서 발생되는 워크로드를 수집하는 단계; 상기 물리 서버에서 발생된 워크로드와 미리 정해진 의심 패턴을 서로 비교하는 단계; 및 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 단계;를 포함하고, 상기 이상징후 판단 모델은, 이상징후의 종류별로 복수개 일 수 있다.
또한, 상기 이상징후 대응 시스템은, 상기 물리 서버의 가열, 화재 및 지진 중 적어도 하나의 비 이상적인 상황을 판단하고 대응하는 외부이상 대응 시스템을 더 구비하고, 상기 물리 서버의 가열 또는 화재를 감지하고 바람 또는 물을 비 이상적인 상황이 발생된 물리 서버에 분사하는 단계;를 더 포함할 수 있다.
본 발명에 따른 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법은데이터 손실을 최소화할 수 있다.
또한, 데이터센터를 안정적으로 관리할 수 있다.
다만, 본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 이상징후 대응 시스템의 관계도
도 2는 본 발명의 일 실시예에 따른 이상징후 대응 시스템의 구성도
도 3은 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 내부이상 대응 시스템이 이상징후 여부를 판단하는 방법을 설명하는 도면
도 4는 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 외부이상 대응 시스템의 전체 사시도
도 5는 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 대응 장치의 전체 사시도
도 6은 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 대응 장치가 천장에 고정되는 과정을 설명하는 도면
도 7은 본 발명의 일 실시예에 따른 이상징후 대응 방법의 순서도
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
본 명세서에서 본 발명에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 이상징후 대응 시스템의 관계도이고, 도 2는 본 발명의 일 실시예에 따른 이상징후 대응 시스템의 구성도이고, 도 3은 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 내부이상 대응 시스템이 이상징후 여부를 판단하는 방법을 설명하는 도면이다.
도 1 내지 도 3을 참조하면, 본 발명의 일 실시예에 따른 이상징후 대응 시스템(100)은 외부 서버(300) 및 사용자 단말기(200)와 유/무선으로 연결되어 정보 통신을 할 수 있다.
본 발명에서 언급하는 온라인 네트워크(정보통신)라 함은 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어 망일 수도 있고, TCP/IP 프로토콜 및 그 상위 계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), HTTPS(Hyper Text Transfer Protocol Secure), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있으며, 이러한 예에 한정하지 않고 다양한 형태로 데이터를 송수신할 수 있는 데이터 통신망을 포괄적으로 의미하는 것이다.
외부 서버(300)는 지진에 대한 정보를 제공하는 기관의 서버로서, 일례로, 기상청 서버일 수 있다. 다만, 이에 한정하지 않고 상기 외부 서버의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
본 발명에서 언급하는 서버는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다.
일례로, 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.
일례로, 서버는 웹 서버일 수 있다. 다만, 이에 한정하지 않고, 서버의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변경 가능하다.
사용자 단말기(200)는 이상징후 대응 시스템을 관리하는 사용자의 단말기를 의미할 수 있다.
일례로, 단말기는 컴퓨팅 장치로서, 정보 처리 연산을 처리할 수 있는 장치를 의미할 수 있다.
일례로, 컴퓨팅 장치는 데스크탑 컴퓨터, 노트북, 스마트폰, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 휴대용 단말기 등이 포함되는 이동 단말기 및/또는 스마트 TV 등이 포함될 수 있다.
본 발명의 일 실시예에 따른 이상징후 대응 시스템은 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템(110) 및 상기 물리 서버의 가열, 화재 및 지진 중 적어도 하나의 비 이상적인 상황을 판단하고 대응하는 외부이상 대응 시스템(120)을 포함할 수 있다.
또한, 이상징후 대응 시스템은 외부 기기와 정보 통신할 수 있고, 각각의 구성 간에 정보 통신을 가능하게 하는 송수신 모듈을 더 포함할 수 있다.
물리 서버에는 적어도 하나 이상의 가상 머신이 설치되어 가동될 수 있다.
일례로, 이상징후란 가상 머신이 물리 서버 상에서 가동되면서 물리 서버에서 발생되는 워크로드(부하)를 기초로 판단될 수 있으며, 가상 머신 혹은 물리 서버에서 오류가 발생되기 전에 발현되는 징후를 말할 수 있다.
내부이상 대응 시스템(110)은 상기 물리 서버에서 발생되는 워크로드를 수집하고, 수집한 워크로드에서 미리 정해진 의심 패턴이 발생되는지 여부를 모니터하는 모니터링 모듈(112), 이상징후 판단 모델이 생성되고 저장되는 모델 생성 모듈(111) 및 상기 모니터링 모듈(112)이 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 판단 모듈(113)을 포함할 수 있다.
또한, 상기 내부이상 대응 시스템(110)은 상기 판단 모듈(113)이 이상징후가 발생되었다고 판단하는 경우 이상징후와 관련 내용을 상기 사용자 단말기로 전달하여, 필요한 방안을 조치하는 대응 모듈(114)을 더 포함할 수 있다.
모델 생성 모듈(111)은 딥 러닝 혹은 기계 학습을 이용하여 상기 이상징후 판단 모델을 생성할 수 있다.
딥 러닝 및 기계 학습은 공지된 기술을 이용하는 것으로서 자세한 설명은 생략될 수 있다.
구체적인 일례로서, 가상 머신에 할당된 물리 서버의 사양, 물리 서버의 사양, 가상 머신에 설치된 응용프로그램들의 종류, 가상 머신의 상세 사양, 가상 머신에서 동작되고 있는 프로그램, 가상 머신에 의해 발생된 워크로드(오류가 발생되기 전의 워크로드), 발생된 오류에 대한 정보를 기초로 딥 러닝 혹은 기계 학습(이하, 딥러닝으로 칭함)을 통해 모델 생성 모듈(111)은 이상징후 판단 모델을 생성할 수 있다.
일례로, 가상 머신에 의해 발생되는 워크로드는 가상 머신에 의해 상기 물리 서버에서 가동되는 CPU 가동 정도로 산출될 수 있으나, 이에 본 발명이 한정되는 것은 아니고, 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
여기서, 상기 모델 생성 모듈(111)은 이상징후의 종류별로 이상징후 판단 모델을 생성할 수 있다..
일례로, 이상징후 판단 모델은 제1 이상징후 판단 모델, 제2 이상징후 판단 모델 내지 제N 판단 모델을 구비할 수 있고, N은 3 이상의 자연수를 의미할 수 있다.
이상징후의 종류 별로 정보들을 분류하여, 분류된 정보를 딥러닝하여 복수개의 이상징후 판단 모델을 생성할 수 있다.
일례로, 오류는 가상머신의 트레픽 오류, 업다운 오류 등과 같이 가상 머신에서 발생될 수 있는 모든 오류를 포함할 수 있다.
상기 이상징후 판단 모델은 물리 서버에 오류가 발생되기 전에 이상징후로서 워크로드의 패턴을 산출할 수 있고, 이에 대한 패턴을 기준 패턴이라고 할 수 있다.
상기 이상징후 판단 모델은 상기 이상징후 판단 모델에 입력되는 워크로드의 패턴과 상기 이상징후 판단 모델에서 판단의 기준의 되는 기준 패턴의 유사한 정도(일례로, 유사도)를 산출할 수 있도록 알고리즘 설정이 될 수도 있다.
모니터링 모듈(112)은 물리 서버에서 발생되는 워크로드를 수집하여 미리 정해진 의심 패턴이 발생되는지 여부를 상시 모니터할 수 있다.
여기서, 물리 서버에서 발생되는 워크로드는 물리 서버에 저장된 가상 머신에 의해 발생되는 워크로드 일 수 있다.
여기서, 미리 정해진 의심 패턴은 사용자에 의해 미리 설정되어 상기 모니터링 모듈(112)에 저장되어 있을 수 있다.
또한, 상기 미리 정해진 의심 패턴은 상기 이상징후 판단 모델로부터 수집된 기준 패턴으로 정의될 수 있다.
모니터링 모듈(112)은 수집되는 워크로드 중에서 미리 정해진 의심 패턴과 유사한 패턴 혹은 동일한 패턴을 발견하는 경우, 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드를 판단 모듈(113)로 전달할 수 있다.
판단 모듈(113)은 상기 모니터링 모듈(112)이 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단할 수 있다.
여기서, 상기 판단 모듈(113)은 미리 정해진 판단 방법으로 상기 물리 서버의 이상징후 발생 여부를 판단할 수 있다.
상기 미리 정해진 판단 방법은 소정 기준 이상의 유사도를 산출한 상기 이상징후 판단 모델과 대응되는 이상징후가 상기 물리 서버에 발생되었다고 판단하는 방법일 수 있다.
여기서, 미리 정해진 판단 방법은 소정 기준 이상의 유사도를 산출한 이상 징후 판단 모델이 복수개 일 경우에는 가장 높은 유사도를 산출한 이상 징후 판단 모델의 기준이 되는 이상징후가 상기 물리 서버에 발생되었다고 판단하는 방법일 수 있다.
일례로, 트레픽 오류를 기준으로 산출된 제1 이상징후 판단 모델, 업다운 오류를 기준으로 제2 이상징후 판단 모델, 호완성 오류를 기준으로 산출된 제3 이상징후 판단 모델이 있다고 가정할 수 있다. 여기서, 제1 이상징후 판단 모델로부터 산출된 유사도가 83%이고, 제2 이상징후 판단 모델로부터 산출된 유사도가 93%이고, 제3 이상징후 판단 모델로부터 산출된 유사도가 56%일 수 있다. 그리고 소정 기준은 80% 유사도일 수 있다.
이와 같을 경우, 판단 모듈(113)은 트레픽 오류가 발생되기 전에 발현되는 이상징후가 발생되었다고 판단할 수 있다.
이상징후 판단 모델을 오류의 종류 별로 구분해서 생성함으로서, 예측의 정확도를 향상시킬 수 있다.
대응 모듈(114)에는 오류가 발생될 경우, 이를 극복할 수 잇는 대응 방안들이 저장되어 있을 수 있다.
상기 판단 모듈(113)로부터 이상징후에 대해서 전달 받으면, 대응 모듈(114)은 오류가 발생되기 전에 미리 저장된 방법으로 문제를 해결하고, 이상징후와 예측되는 오류에 대한 정보를 사용자 단말기로 전달할 수 있다.
도 4는 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 외부이상 대응 시스템의 전체 사시도이고, 도 5는 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 대응 장치(124)의 전체 사시도이다.
도 2, 도 4 및 도 5를 참조하면, 상기 외부이상 대응 시스템(120)은 상기 물리 서버(M10)가 설치되는 공간의 천장에 설치되는 레일부(125), 상기 물리 서버의 가열, 화재 및 지진 감지하는 센싱 모듈들을 구비하는 감시 모듈(122) 및 상기 레일부(125)를 따라 이동 가능하며, 바람을 생성하는 대응 장치(124) 및 상기 감시 모듈(122)과 상기 대응 장치(124)를 제어하는 제어 모듈(121)을 구비할 수 있다.
또한, 외부이상 대응 시스템(120)은 상기 물리 서버가 설치되는 공간의 측벽에 설치되는 물 공급 모듈(123)을 더 구비할 수 있다.
여기서, 공간은 방과 같은 내부 공간을 의미할 수 있으나, 이에 본 발명을 한정하는 것은 아니다.
공간에는 복수개의 물리 서버가 배치될 수 있다.
일례로, 랙과 같은 장치에 복수개의 물리 서버가 적층되어 설치될 수 있고, 랙이 복수개 일 수 있다.
레일부(125)는 물리 서버가 설치되는 공간의 천장에 고정되어 설치될 수 있다.
대응 장치(124)는 레일부(125)를 통해서 위치 이동될 수 있다.
레일부(125)는 도 5에 도시된 것과 다르게 롤러부가 낙하되지 않고 레일부에 지지될 수 있는 형상을 가질 수 있다.
감시 모듈(122)은 상기 물리 서버의 온도를 측정하는 온도 센싱 모듈(122a), 연기를 감지하는 연기 센싱 모듈(122b) 및 지진 발생 여부를 감지하는 지진 센싱 모듈(122c)을 구비할 수 있다.
일례로, 온도 센싱 모듈(122a)은 원거리 온도 센서일 수 있으나, 이에 본 발명이 한정되는 것은 아니다.
일례로, 연기 센싱 모듈(122b)은 연기 감지 센서일 수 있으나, 이에 본 발명이 한정되는 것은 아니다.
일례로, 지진 센싱 모듈(122c)은 가속도 센서, 속도 센서, 변위 변화 센서 등일 수 있으나, 이에 본 발명이 한정되는 것은 아니다.
상기 감시 모듈(122)은 후술하는 하우징부 내측에 배치될 수 있다.
상기 감시 모듈(122)은 센싱되는 정보를 상기 제어 모듈(121)로 전달할 수 있다.
대응 장치(124)는 내측에 소정의 공간을 제공하는 하우징부(124a), 상기 하우징부(124a)의 상측에 연결되어 상기 레일부(125)에 연결되는 롤러부(124b), 상기 롤러부(124b)가 회전될 수 있도록 외력을 발생시키는 이동모터부(124c), 물 공급 모듈(123)로부터 물을 전달받아 물을 저장하는 물 저장부(124d), 상기 물 저장부(124d)와 연결되어 상기 물 저장부(124d)의 저장된 물을 대기압 이상의 압력을 분사하는 분사부(124e), 하우징부(124a) 내부로 바람을 분사하는 팬부(124f), 상기 하우징부(124a)를 기준으로 상하로 위치 이동이 가능한 드릴부(124g), 상기 드릴부(124g)의 상하 위치 이동이 구현되도록 외력을 발생시키는 드릴모터부(124h) 및 상기 감시 모듈(122), 상기 이동모터부(124c), 상기 분사부(124e), 상기 팬부(124f), 위치 센서, 수위 센서 및 상기 드릴모터부(124h)에 전기 에너지를 제공하는 베터리부(124i)를 구비할 수 있다.
또한, 상기 대응 장치(124)는 자신의 위치에 대한 정보를 산출하고 제어 모듈(121)로 전달하는 위치 센서(미도시)를 더 구비할 수 있다.
또한, 상기 대응 장치(124)는 상기 물 저장부(124d)에 저장된 물의 수위를 센싱하는 수위 센서(미도시)를 더 구비할 수 있다.
도 5에서 이동모터부와 롤러부가 서로 연결되는 기어와 결합 메커니즘은 생략되어 도시될 수 있다.
도 5에서 드릴모터부와 드릴부가 서로 연결되는 기어와 결합 메커니즘은 생략되어 도시될 수 있다.
제어 모듈(121)은 상기 감시 모듈(122), 상기 물 공급 모듈(123) 및 상기 대응 장치(124)를 제어할 수 있다.
제어 모듈(121)은 온도 센싱 모듈로부터 전달되는 정보를 기초로 물리서버들의 온도를 산출할 수 있으며, 물리 서버가 소정 기준 온도 이상으로 가열하였는지 판단할 수 있다.
제어 모듈(121)은 연기 센싱 모듈로부터 전달되 정보를 기초로 물리 서버가 설치된 공간에 화재가 발생되었는지 여부를 판단할 수 있다.
제어 모듈(121)은 지진 센싱 모듈로부터 전달되는 정보를 기초로 물리 서버가 설치된 공간에 지진이 발생되었는지 여부를 판단할 수 있다.
다만, 이에 한정하는 것은 아니고, 외부 서버로부터 전달되는 지진 정보를 기초로 제어 모듈(121)은 물리 서버가 설치된 공간에 지진 발생되었는지 여부를 판단할 수 있다.
물 공급 모듈(123)은 물리 서버가 배치되는 공간의 측벽에 고정되어 물이 유동되는 배관부 및 상기 배관부로부터 돌출되며 상기 하우징부(124a)의 측면에 형성된 홀에 삽입되어 상기 물 저장부(124d)에 물을 주입하는 주입부를 구비할 수 있다.
상기 제어 모듈(121)은 상기 온도 센싱 모듈로부터 전달되는 온도를 기초로 미리 정해진 온도 조건이 만족되는 상기 물리 서버가 존재할 경우, 상기 미리 정해진 온도 조건가 만족되는 상기 물리 서버로 상기 대응 장치(124)가 바람을 보내도록, 상기 대응 장치(124)를 제어할 수 있다.
구체적으로 설명하자면, 상기 제어 모듈(121)은 온도 센싱 모듈로부터 전달되는 온도 정보를 기초로 미리 정해진 온도 조건(일례로, 40도 이상)이 만족되는 상기 물리 서버가 존재하는지 여부를 판단할 수 있다.
상기 제어 모듈(121)이 상기 미리 정해진 온도 조건이 만족되는 상기 물리 서버가 있다고 판단한다면, 상기 제어 모듈(121)은 상기 미리 정해진 온도 조건이 만족되는 상기 물리 서버의 상측으로 상기 대응 장치(124)를 이동시키고 상기 팬부(124f)를 제어하여 바람이 상기 물리 서버로 갈 수 있도록 할 수 있다.
여기서, 레일부(125)의 제약으로, 해당되는 물리 서버 상측으로 이동 가능한 대응 장치(124)만을 상기 제어 모듈(121)이 제어할 수 있다.
또한, 상기 제어 모듈(121)은 물리 서버의 비 이상적으로 가열된 사실과 대응 장치(124) 가동으로 긴급하게 송풍하고 있는 사실을 사용자 단말기로 전달할 수 있다.
상기 제어 모듈(121)은 상기 연기 센싱 모듈로부터 전달되는 감지 정보를 기초로 미리 정해진 연기 조건이 만족되는 경우, 화재가 발생된 상기 물리 서버로 상기 대응 장치(124)가 물을 분사할 수 있도록, 상기 대응 장치(124)를 제어할 수 있다.
구체적으로 설명하자면, 상기 제어 모듈(121)은 연기 센싱 모듈로부터 전달되는 연기 정보를 기초로 물리 서버가 설치된 공간에 화재가 발생되었는지 여부를 판단할 수 있다.
상기 제어 모듈(121)은 화재가 발생되었다고 판단한다면, 상기 온도 센싱 모듈로부터 전달되는 온도 정보를 기초로 미리 정해진 화재 온도 조건(일례로, 50도 이상)이 만족되는 물리 서버의 존부를 산출할 수 있다.
상기 제어 모듈(121)이 상기 미리 정해진 화재 온도 조건이 만족되는 상기 물리 서버가 있다고 판단한다면, 상기 제어 모듈(121)은 상기 미리 정해진 화재 온도 조건이 만족되는 상기 물리 서버들에 물이 분사될 수 있도록 대응 장치(124)의 위치를 변경하고, 분사부(124e)로부터 물이 분사되게 할 수 있다.
이를 위해, 제어 모듈(121)은 이동모터부(124c), 분사부(124e)를 제어할 수 있다.
상기 제어 모듈(121)은 상기 대응 장치(124)가 상기 물 공급 모듈(123)에 직접적으로 연결되어 물을 공급받을 수 있도록, 상기 대응 장치(124)의 위치를 제어할 수 있다.
상기 제어 모듈(121)은 상기 수위 센서로부터 전달되는 수위 정보를 기초로 물 저장부(124d)에 저장된 물의 양을 산출하고, 물 저장부(124d)에 저장된 물의 양이 소정 기준 이하로 떨어지는 경우, 상기 대응 장치(124)를 제어하여, 상기 하우징부(124a)가 주입부에 연결될 수 있도록 할 수 있다.
구체적으로, 상기 제어 모듈(121)은 상기 이동 모터부를 제어하여, 상기 대응 장치(124)가 주입부 방향의 레일부(125)의 단부로 이동되게 하여, 상기 하우징부(124a) 측면에 형성된 홀에 상기 주입부가 삽입되도록 할 수 있다. 배관부를 통해 유동되던 물은 상기 주입부를 따라 물 저장부(124d)로 유동되어 저장될 수 있다.
레일부(125)는 천장과 접촉되는 면에 다수개의 홀이 형성될 수 있다.
상기 제어 모듈(121)은 지진이 발생될 경우, 상기 대응 장치(124)를 제어하여 상기 대응 장치(124)의 일부가 천장에 꽂히도록, 상기 대응 장치(124)를 가이드할 수 있다.
제어 모듈(121)이 지진 발생 여부를 판단하는 방법은 지진 센싱 모듈로부터 전달되는 정보를 기초로 자체적으로 판단할 수도 있고, 외부 서버(기상청 등)로부터 수신받는 지진 정보를 기초로 판단할 수 있다.
도 6은 본 발명의 일 실시예에 따른 이상징후 대응 시스템이 구비하는 대응 장치가 천장에 고정되는 과정을 설명하는 도면이다.
도 6(a)을 참조하면, 상기 제어 모듈(121)은 지진이 발생되었다고 판단하는 경우, 상기 대응 장치(124)에 가장 가까운 레일부(125)의 홀의 하부에 상기 대응 장치(124)의 드릴부(124g)가 배치되도록 상기 이동모터부(124c)를 제어할 수 있다.
여기서, 레일부(125)의 크기, 레일부(125)에 형성된 홀의 위치에 대한 정보가 제어 모듈(121)에 미리 저장되어 있을 수 있다.
도 6(b)를 참조하면, 다음으로, 상기 제어 모듈(121)은 상기 드릴모터부(124h)를 제어하여 상기 드릴부(124g)가 회전되면서 상측 방향으로 이동되어, 상기 레일부(125)의 구멍을 통과하여 상기 천정(U10)으로 박힐 수 있도록 할 수 있다.
지진 발생으로 레일부(125)가 천장으로부터 분리되어 낙하되는 경우, 물리 서버가 물리적으로 파손되어, 데이터 파손의 염려가 있을 수 있다.
이를 방지하기 위해, 지진 발생시에 대응 장치(124)를 천장에 고정시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른 이상징후 대응 방법의 순서도이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 이상징후 대응 방법은, 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템(110)을 구비하는 이상징후 대응 시스템을 이용하여 구현되는 이상징후 대응 방법에 있어서, 딥 러닝을 이용하여 이상징후 판단 모델을 생성하는 단계, 상기 물리 서버에서 발생되는 워크로드를 수집하는 단계, 상기 물리 서버에서 발생된 워크로드와 미리 정해진 의심 패턴을 서로 비교하는 단계 및 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 단계를 포함할 수 있다.
여기서, 상기 이상징후 판단 모델은 이상징후의 종류별로 복수개 일 수 있다.
여기서, 상기 이상징후 대응 방법은, 상기 물리 서버의 지진, 가열 및/또는 화재를 감지하고 바람 또는 물을 비 이상적인 상황이 발생된 물리 서버에 분사하는 단계를 더 포함할 수 있다.
여기서, 상기 이상징후 대응 방법은 이상징후가 발생되었다고 판단되는 경우 미리 저장된 대응 방법으로 대응하고 이상징후 발생 사실을 사용자에게 알리는 단계를 더 포함할 수 있다.
여기서, 상기 이상징후 대응 방법은 대응 장치(124)가 제어된 후 대응 장치(124)의 제어 사실 및 비 이상적 사실을 사용자에게 알리는 단계를 더 포함할 수 있다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위해, 본 발명의 기술적 사상과 관련성이 없거나 떨어지는 구성에 대해서는 간략하게 표현하거나 생략하였다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
110 : 내부이상 대응 시스템 120 : 외부이상 대응 시스템
112 : 모니터링 모듈

Claims (10)

  1. 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템; 및
    상기 물리 서버의 가열, 화재 및 지진 중 적어도 하나의 비 이상적인 상황을 판단하고 대응하는 외부이상 대응시스템;을 포함하고,
    상기 내부이상 대응 시스템은,
    상기 물리 서버에서 발생되는 워크로드를 수집하고, 수집한 워크로드에서 미리 정해진 의심 패턴이 발생되는지 여부를 모니터하는 모니터링 모듈;
    딥 러닝을 이용하여 이상징후 판단 모델을 생성하고 저장하는 모델 생성 모듈; 및
    상기 모니터링 모듈이 상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 판단 모듈;을 포함하고,
    상기 외부이상 대응 시스템은,
    상기 물리 서버가 설치되는 공간의 천장에 설치되는 레일부, 연기를 감지하는 연기 센싱 모듈을 구비하는 감시 모듈, 상기 레일부를 따라 이동 가능하며 물을 분사하는 대응 장치 및 상기 감시 모듈과 상기 대응 장치를 제어하는 제어 모듈을 구비하고,
    상기 제어 모듈은,
    상기 연기 센싱 모듈로부터 전달되는 감지 정보를 기초로 미리 정해진 연기 조건이 만족되는 경우, 화재가 발생된 상기 물리 서버로 상기 대응 장치가 물을 분사할 수 있도록, 상기 대응 장치를 제어하며,
    지진이 발생될 경우, 상기 대응 장치를 제어하여 상기 대응 장치의 일부가 천장에 꽂히도록, 상기 대응 장치를 가이드하는,
    이상징후 대응 시스템.
  2. 제1항에 있어서,
    상기 모델 생성 모듈은,
    이상징후의 종류별로 이상징후 판단 모델을 생성하고,
    상기 판단 모듈은,
    각각의 상기 이상징후 판단 모델에 상기 미리 정해진 의심 패턴과 대응되는 상기 물리 서버의 워크로드 부분을 입력하여, 미리 정해진 판단 방법으로 상기 물리 서버의 이상징후 발생 여부를 판단하는,
    이상징후 대응 시스템.
  3. 제2항에 있어서,
    상기 이상징후 판단 모델은,
    상기 이상징후 판단 모델에 입력되는 워크로드의 패턴과 상기 이상징후 판단 모델에서 판단의 기준의 되는 기준 패턴의 유사한 정도를 산출하고,
    상기 미리 정해진 판단 방법은,
    소정 기준 이상의 유사도를 산출한 상기 이상징후 판단 모델과 대응되는 이상징후가 상기 물리 서버에 발생되었다고 판단하는 방법인,
    이상징후 대응 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 외부이상 대응 시스템은,
    상기 물리 서버가 설치되는 장소의 천장에 설치되는 레일부, 상기 물리 서버의 온도를 측정하는 온도 센싱 모듈을 구비하는 감시 모듈 및 상기 레일부를 따라 이동 가능하며, 바람을 생성하는 대응 장치 및 상기 감시 모듈과 상기 대응 장치를 제어하는 제어 모듈을 구비하고,
    상기 제어 모듈은,
    상기 온도 센싱 모듈로부터 전달되는 온도를 기초로 미리 정해진 온도 조건이 만족되는 상기 물리 서버가 존재할 경우, 상기 미리 정해진 온도 조건가 만족되는 상기 물리 서버로 상기 대응 장치가 바람을 보내도록, 상기 대응 장치를 제어하는,
    이상징후 대응 시스템.
  6. 삭제
  7. 제1항에 있어서,
    상기 외부이상 대응 시스템은,
    상기 물리 서버가 설치되는 공간의 측벽에 설치되는 물 공급 모듈을 더 구비하고,
    상기 제어 모듈은,
    상기 대응 장치가 상기 물 공급 모듈에 직접적으로 연결되어 물을 공급받을 수 있도록, 상기 대응 장치의 위치를 제어하는,
    이상징후 대응 시스템.
  8. 삭제
  9. 물리 서버에서 발생되는 워크로드를 기초로 상기 물리 서버가 정상적으로 동작되고 있는지를 모니터하는 내부이상 대응 시스템과 상기 물리 서버의 화재 및 지진인 비 이상적인 상황을 판단하고 대응하는 외부이상 대응 시스템을 구비하는 이상징후 대응 시스템을 이용하여 구현되는 이상징후 대응 방법에 있어서,
    딥 러닝을 이용하여 이상징후의 종류별로 복수개의 이상징후 판단 모델을 생성하는 단계;
    상기 물리 서버에서 발생되는 워크로드를 수집하는 단계;
    상기 물리 서버에서 발생된 워크로드와 미리 정해진 의심 패턴을 서로 비교하는 단계;
    상기 미리 정해진 의심 패턴과 대응된다고 하는 상기 물리 서버의 워크로드의 부분을 상기 이상징후 판단 모델에 입력하여 상기 물리 서버의 이상징후 발생 여부를 판단하는 단계;
    상기 물리 서버의 화재를 감지하고 물을 비 이상적인 상황이 발생된 물리 서버에 분사하는 단계; 및
    지진이 발생될 경우, 상기 외부이상 대응 시스템의 대응 장치의 일부가 천장에 꽂히는 단계;를 포함하고,
    상기 외부이상 대응 시스템은,
    상기 물리 서버가 설치되는 공간의 천장에 설치되는 레일부, 연기를 감지하는 연기 센싱 모듈을 구비하는 감시 모듈, 상기 레일부를 따라 이동 가능하며 물을 분사하는 대응 장치 및 상기 감시 모듈과 상기 대응 장치를 제어하는 제어 모듈을 구비하고,
    상기 제어 모듈은,
    상기 연기 센싱 모듈로부터 전달되는 감지 정보를 기초로 미리 정해진 연기 조건이 만족되는 경우, 화재가 발생된 상기 물리 서버로 상기 대응 장치가 물을 분사할 수 있도록, 상기 대응 장치를 제어하며,
    지진이 발생될 경우, 상기 대응 장치를 제어하여 상기 대응 장치의 일부가 천장에 꽂히도록, 상기 대응 장치를 가이드하는,
    이상징후 대응 방법.
  10. 제9항에 있어서,
    상기 외부이상 대응 시스템은,
    상기 물리 서버의 가열인 비 이상적인 상황을 더 판단하고 대응하며,
    상기 이상징후 대응방법은,
    상기 물리 서버의 가열을 감지하고 바람을 비 이상적인 상황이 발생된 물리 서버에 제공하는 단계;를 더 포함하는,
    이상징후 대응 방법.

KR1020210150758A 2021-11-04 2021-11-04 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법 KR102445122B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210150758A KR102445122B1 (ko) 2021-11-04 2021-11-04 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210150758A KR102445122B1 (ko) 2021-11-04 2021-11-04 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법

Publications (1)

Publication Number Publication Date
KR102445122B1 true KR102445122B1 (ko) 2022-09-20

Family

ID=83446605

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210150758A KR102445122B1 (ko) 2021-11-04 2021-11-04 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법

Country Status (1)

Country Link
KR (1) KR102445122B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03112613U (ko) * 1990-02-28 1991-11-18
JP2008538406A (ja) * 2005-04-22 2008-10-23 ディグリー コントロールズ，インク． 適応的環境管理のための知能ファン支援型タイル
KR101051018B1 (ko) * 2010-12-30 2011-07-21 최선욱 화재 지점 감지 및 자동 소화 장치
KR20210102135A (ko) * 2019-03-05 2021-08-19 주식회사 엘렉시 이상 패턴 감지 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03112613U (ko) * 1990-02-28 1991-11-18
JP2008538406A (ja) * 2005-04-22 2008-10-23 ディグリー コントロールズ，インク． 適応的環境管理のための知能ファン支援型タイル
KR101051018B1 (ko) * 2010-12-30 2011-07-21 최선욱 화재 지점 감지 및 자동 소화 장치
KR20210102135A (ko) * 2019-03-05 2021-08-19 주식회사 엘렉시 이상 패턴 감지 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
제조설비 이상탐지를 위한 지도학습 및 비지도학습 모델 설계에 관한 연구, 오민지, 최은선, 노경우, 한국빅데이터학회지, 제6권 제1호 2021.08.31* *

Similar Documents

Publication Publication Date Title
US10429921B2 (en) Datacenter power management optimizations
AU2010325987B2 (en) System and method for analyzing nonstandard facility operations within a data center
US8954984B2 (en) Environmentally aware load-balancing
KR102151628B1 (ko) 시스템 레벨의 열 관리를 주도하는 솔리드 스테이트 드라이브
Kaushik et al. T*: A data-centric cooling energy costs reduction approach for Big Data analytics cloud
Levy et al. A new approach to data center infrastructure monitoring and management (DCIMM)
KR20170121536A (ko) 사물인터넷 기반 지역난방 사용자 시설 모니터링 및 효율 개선 시스템
US10003502B1 (en) Integrated wireless sensor network (WSN) and massively parallel processing database management system (MPP DBMS)
CN115915734B (zh) 风扇运行控制方法、装置、电子设备及存储介质
Solaiman et al. Monitoring internet of things application ecosystems for failure
WO2013040850A1 (zh) 基于云计算的空气处理设备管理控制系统及方法
WO2013040852A1 (zh) 基于云计算的电梯设备管理控制系统及方法
KR102445122B1 (ko) 복수의 딥러닝 판단 모델을 기반으로 한 이상징후 대응 시스템 및 이상징후 대응 방법
CN102841817A (zh) 主动式服务器监控装置及主动式服务器监控方法
CN117579651A (zh) 物联网系统
KR20210051454A (ko) 산업용 빅데이터 서버를 위한 냉각 시스템
KR102188987B1 (ko) 서버 관리 장치를 구비한 클라우드 서버 및 로컬 서버를 이용하는 제로클라이언트 단말기용 클라우드 컴퓨팅 시스템의 운영 방법
US10935951B2 (en) Autonomous operation of an electrical power outlet device
Zapater et al. Self-organizing maps versus growing neural gas in detecting anomalies in data centres
CN106899420A (zh) 云端监控的警示设备
US9594721B1 (en) Datacenter event handling
Sahana et al. Server utilization-based smart temperature monitoring system for cloud data center
CN202267862U (zh) 基于云计算的空气处理设备管理控制系统
US9612642B2 (en) Event-based power provisioning system
KR101556781B1 (ko) 네트웍 장비 예측 장애 및 수명 정보 서비스 시스템